Análisis de Componentes Principales (PCA)

El análisis de componentes principales es una técnica de aprendizaje no supervisado utilizada en machine learning para reducir la dimensionalidad. Mediante la misma transformación, es un proceso estadístico que convierte observaciones de cualidades correlacionadas en un conjunto de datos linealmente no correlacionados. Los Componentes Principales son estas características recién transformadas. Esta es una de las herramientas más utilizadas para el análisis exploratorio de datos y el modelado predictivo. Es un método para identificar patrones significativos en el conjunto de datos proporcionado mediante la reducción de las varianzas. PCA frecuentemente busca la superficie con la menor dimensionalidad al proyectar los datos de alta dimensión. PCA tiene en cuenta la varianza de cada característica, ya que un atributo alto indica una fuerte división entre grupos, lo que reduce la dimensionalidad.